Taller 6: Time-Series
Carlos Daboin Contreras (cdaboincontreras@udesa.edu.ar)
2023-11-01
Resumen de contenido
Nuestra meta
Nos familiarizremos con las estructuras de datos time-series.
Repasaremos como visualizarlos.
Aprenderemos a capturar tendencias temporales con la regresion lineal.
Armaremos contrafactuales con tendencias (proyecciones).
Usaremos las tendencias para hacer pronósticos de cara al futuro.
Conceptos
Time-series.
Proyecciones.
Rezagos temporales.
Herramientas
lm()
ggplot2
broom:tidy
broom:agument_cols
Librerías
Usaremos las siguientes librerías:
Time-series
Repasaremos tips útiles para presentar análizar series de tiempo.
Mortalidad infantil en Argentina
Accederemos a los datos de mortalidad infantil que discutimos en clase, esta vez de una manera mas éxpedita.
¿Qué es wbstats?
Es una librería que facilita la interacción con la API del BM. Pueden leer mas en este link.
Mortalidad infantil en Argentina
# A tibble: 20 × 3
indicator_id indicator indicator_desc
<chr> <chr> <chr>
1 HD.HCI.AMRT.FE "Años de escolaridad previstos, femenino \r… "El indicador…
2 HD.HCI.AMRT.MA "Años de escolaridad previstos, masculino\r… "El indicador…
3 HD.HCI.MORT "Probabilidad de supervivencia hasta los 5 … "El indicador…
4 HD.HCI.MORT.FE "Probabilidad de supervivencia hasta los 5 … "El indicador…
5 HD.HCI.MORT.MA "Probabilidad de supervivencia hasta los 5 … "El indicador…
6 SH.DYN.CHLD.FE "Tasa de mortalidad, niñas (por cada 1.000 … "La tasa de m…
7 SH.DYN.CHLD.MA "Tasa de mortalidad, niños (por cada 1.000 … "La tasa de m…
8 SH.DYN.MORT "Tasa de mortalidad, menores de 5 años (por… "Menores de c…
9 SH.DYN.MORT.FE "Tasa de mortalidad, menores de 5 años, muj… "Menores de c…
10 SH.DYN.MORT.MA "Tasa de mortalidad, menores de 5 años, var… "Menores de c…
11 SH.DYN.NMRT "Tasa de mortalidad, neonatal (por cada 1.0… "La tasa de m…
12 SH.STA.MMRT "Tasa de mortalidad materna (estimado media… "La tasa de m…
13 SH.STA.MMRT.NE "Tasa de mortalidad maternal (cifras nacion… "La tasa de m…
14 SH.STA.SUIC.P5 "Tasa de mortalidad por suicidio (por cada … "Suicide mort…
15 SP.DYN.AMRT.FE "Tasa de mortalidad, adultos, mujeres (por … "La tasa de m…
16 SP.DYN.AMRT.MA "Tasa de mortalidad, adultos, varones (por … "La tasa de m…
17 SP.DYN.CDRT.IN "Tasa de mortalidad en un año (por cada 1.0… "La tasa brut…
18 SP.DYN.IMRT.FE.IN "Tasa de mortalidad infantil, mujeres (cada… "La tasa de m…
19 SP.DYN.IMRT.IN "Tasa de mortalidad, bebés (por cada 1.000 … "La tasa de m…
20 SP.DYN.IMRT.MA.IN "Tasa de mortalidad infantil, varones (cada… "La tasa de m…Acceder a los datos
Ya conozco el código de mi indicador (Prob. de Supervivencia hasta los 5 años).
Ahora solo debo especificar la geografía y período de interés.
# Puedes añadir varios paises, con minusculas, mayusculas, o abreviaciones
# Es valido ARG, Arg, Argentina, ArGenTina, etc
# Identifica todos los iso3c, iso2c, country, region_iso3c, admin_region_iso3c, admin_region, income_level
example_geos <- c("Argentina")
ev_data <- wb_data("SH.DYN.MORT", country = example_geos,
start_date = 1990, end_date = 2021)
head(ev_data)# A tibble: 6 × 9
iso2c iso3c country date SH.DYN.MORT unit obs_status footnote last_updated
<chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr> <date>
1 AR ARG Argentina 1990 28.8 <NA> <NA> Uncerta… 2023-10-26
2 AR ARG Argentina 1991 28.3 <NA> <NA> Uncerta… 2023-10-26
3 AR ARG Argentina 1992 27.6 <NA> <NA> Uncerta… 2023-10-26
4 AR ARG Argentina 1993 26.5 <NA> <NA> Uncerta… 2023-10-26
5 AR ARG Argentina 1994 25.4 <NA> <NA> Uncerta… 2023-10-26
6 AR ARG Argentina 1995 24.3 <NA> <NA> Uncerta… 2023-10-26 Cambio en la mortalidad infantil entre 2019 y 2021
Limpieza general:
Calculo before-after:
ev_data_19_21 %>%
# solo me interesan fecha y mortalidad inf.
select(date,mortalidad_infantil) %>%
# transpongo los datos para restarlos y presentarlos
pivot_wider(names_from = "date",
values_from = "mortalidad_infantil") %>%
mutate(diff= `2021`-`2019`)# A tibble: 1 × 3
`2019` `2021` diff
<dbl> <dbl> <dbl>
1 8.6 6.9 -1.7Visualicemos los datos
Visualicemos los datos
Veamos cual era la tendencia
Tomo la decisión de usar la tendencia los datos de la gestión anterior: 2015-2019.1
\[ Y_{t}=\alpha+\beta_1 T+\mu_t \qquad para \quad t\in(2015-19) \]
# fijo modelo
modelo<-lm(mortalidad_infantil~date,
data=subset(ev_data, date>=2015 & date<=2019))
# Añado predicciones a la data
ev_data$proyeccion <-predict(modelo,newdata = ev_data)
# Hago el plot (me enfoco en periodo 2015-19)
ggplot(data=subset(ev_data,date>=2015 & date<=2019),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion,linetype="MCO\n(Tendencia)"))+
labs(title="Mortalidad Infantil en Argentina entre 2015-2019",
subtitle = "Con ajuste de MCO",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)Veamos cual era la tendencia
Veamos cual era la tendencia
Después de ver la tasa de cambio en 15-19, la proyecto sobre 2020 y 2021. Pero hay un problema!
# Hago el plot (me enfoco en 2015 en adelante)
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion,linetype="Tendencia"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
subtitle="Hay un problema, lo ven?",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)Veamos cual era la tendencia
Debo ajustar el punto de partida
Debo asegurarme de que la tendencia EMPIECE desde el mismo punto. Para eso:
\[ Y_{t}=\alpha+\beta_1 T+\beta_2I(T\geq2019)+\mu_t \quad para \quad t\in[2015-19] \]
# creo dummy
ev_data<-ev_data %>% mutate(is_2019=(date>=2019))
# ajusto modelo
modelo<-lm(mortalidad_infantil~date+is_2019,
data=subset(ev_data, date>=2015 & date<=2019))
# Cambio la prediccion en la data
ev_data$proyeccion2 <-predict(modelo,newdata = ev_data)
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion2,linetype="Tendencia\ncon corte en\n2019"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)Debo ajustar el punto de partida
Puedo eliminar la parte previa de la tedencia
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(data=subset(ev_data,date>=2019),
aes(y=proyeccion2,linetype="Tendencia\ncon corte en\n2019"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)Puedo eliminar la parte previa de la tedencia
¿Cómo calcular el before-after tomando en cuenta la tendencia?
Ya tenemos una predicción del modelo
Proyecciones en 3 simples pasos
1. Ajusto un modelo en función de toda la data histórica 1
# creo dummy para ultimo ano
ev_data<-ev_data %>%
mutate(is_2021= (date>=2021))
# termino cuadratico en fecha para capturar desaceleracion
modelo_ii<-lm(mortalidad_infantil~date + I(date^2)+is_2021,
data=ev_data) # datos de 1990-2021
tidy(modelo_ii)# A tibble: 4 × 5
term estimate std.error statistic p.value
<chr> <dbl> <dbl> <dbl> <dbl>
1 (Intercept) 36823. 5761. 6.39 0.000000642
2 date -36.1 5.75 -6.27 0.000000877
3 I(date^2) 0.00883 0.00143 6.16 0.00000119
4 is_2021TRUE -1.66 0.658 -2.53 0.0174 Proyecciones en 3 simples pasos
2. Creo una base de datos con la misma estructura (variables explicativas)
Proyecciones en 3 simples pasos
3. Uso augment_cols()
# A tibble: 10 × 4
date is_2021 .fitted .se.fit
<int> <lgl> <dbl> <dbl>
1 2000 FALSE 20.4 0.141
2 2001 FALSE 19.6 0.145
3 2002 FALSE 18.9 0.148
4 2003 FALSE 18.2 0.151
5 2004 FALSE 17.5 0.153
6 2005 FALSE 16.8 0.154
7 2006 FALSE 16.2 0.153
8 2007 FALSE 15.6 0.151
9 2008 FALSE 14.9 0.148
10 2009 FALSE 14.3 0.145Visualicemos la proyección
ggplot(data=subset(ev_data,date>=2000 & date<=2021),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(color="Observado"))+
geom_point(data=nueva_data_20_32,
aes(y=.fitted))+
geom_line(data=nueva_data_20_32,
aes(y=.fitted,color="Proyeccion"), linetype="dashed")+
geom_vline(xintercept = 2021)+
labs(title="Mortalidad Infantil en Argentina entre 2000-2032",
caption = "Elaboración propia en base a datos del Banco Mundial.",
colour=NULL,
y=NULL)Visualicemos la proyección
Removamos el tramo anterior
ggplot(data=subset(ev_data,date>=2000),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(color="Observado"))+
geom_point(data=subset(nueva_data_20_32,date>=2021),
aes(y=.fitted))+
geom_line(data=subset(nueva_data_20_32,date>=2021),
aes(y=.fitted,color="Proyeccion"), linetype="dashed")+
geom_vline(xintercept = 2021)+
labs(title="Mortalidad Infantil en Argentina entre 2000-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
colour=NULL,
y=NULL)Removamos el tramo anterior
Usemos los intervalos de confianza!
Lo bueno de haberlo hecho con una regresión es que tenemos una medida de incertidumbre.
ggplot(data=subset(ev_data,date>=2010),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(color="Observado"))+
geom_pointrange(data=subset(nueva_data_20_32,date>=2021),
aes(group=date,
x=date,
y=.fitted,
ymin = (.fitted-.se.fit),
ymax = (.fitted+.se.fit)))+
geom_line(data=subset(nueva_data_20_32, date>=2021),
aes(y=.fitted,color="Proyeccion"), linetype="dashed")+
labs(title="Mortalidad Infantil en Argentina entre 2010-2032",
caption = "Elaboración propia en base a datos del Banco Mundial.",
colour=NULL,
y=NULL)Usemos los intervalos de confianza!
wbstats les puede ser muy útil
Ejemplo: Estoy investigando sobre pobreza y desempleo y quiero saber que datos tengo
# 'pobreza' OR 'desempleo'
pobreza_desempleo <- wb_search(pattern = "pobreza|desempleo",cache = new_cache)
head(pobreza_desempleo)# A tibble: 6 × 3
indicator_id indicator indicator_desc
<chr> <chr> <chr>
1 1.0.HCount.1.90usd Tasa de Incidencia de la Pobreza ($1.90 a… Tasa de Incid…
2 1.0.HCount.2.5usd Tasa de Incidencia de la Pobreza ($2.50 a… Tasa de Incid…
3 1.0.HCount.Mid10to50 Tasa de Incidencia de la Clase Media ($10… Tasa de Incid…
4 1.0.HCount.Ofcl Tasa Oficial de la Pobreza Moderada-Nacio… Tasa de Incid…
5 1.0.HCount.Poor4uds Tasa de Incidencia de la Pobreza ($4 al d… Tasa de Incid…
6 1.0.HCount.Vul4to10 Tasa de incidencia de población Vulnerabl… Tasa de Incid…Código para llevar
#1. librerias
library(tidyverse) # libreria muy usada para manipular los datos y hacer grficos
library(modelsummary)# para tablas
library(broom) # Revisar modelos
library(wbstats) # Datos actualizados del WB. Instalar: install.packages("wbstats")
library(janitor) # Limpiar nombres de columnas
#2. datos de wbstats
# Ingles es default, pero puedo pedir español
new_cache <- wb_cache(lang = "es")
# Variables relacionadas a mortalidad
ev_vars<- wb_search(pattern = "tasa de mortalidad",cache = new_cache)
tail(ev_vars, 20)
# Puedes añadir varios paises, con minusculas, mayusculas, o abreviaciones
# Es valido ARG, Arg, Argentina, ArGenTina, etc
# Identifica todos los iso3c, iso2c, country, region_iso3c, admin_region_iso3c, admin_region, income_level
example_geos <- c("Argentina")
ev_data <- wb_data("SH.DYN.MORT", country = example_geos,
start_date = 1990, end_date = 2021)
head(ev_data)
#3. cambios en mortalidad infantil 1
ev_data<-ev_data %>%
# remuevo puntos y mayusc de los nombres
janitor::clean_names() %>%
rename(mortalidad_infantil=sh_dyn_mort)
ev_data_19_21<-ev_data %>%
filter(date %in% c(2019,2021))
ev_data_19_21 %>%
select(date,mortalidad_infantil) %>%
pivot_wider(names_from = "date",
values_from = "mortalidad_infantil") %>%
mutate(diff= `2021`-`2019`)
ggplot(data=ev_data,aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line()+
labs(title="Mortalidad Infantil en Argentina entre 1990-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.")
#4. Calculo respecto a tendencias
# fijo modelo
modelo<-lm(mortalidad_infantil~date,
data=subset(ev_data, date>=2015 & date<=2019))
# Añado predicciones a la data
ev_data$proyeccion <-predict(modelo,newdata = ev_data)
# Hago el plot (me enfoco en periodo 2015-19)
ggplot(data=subset(ev_data,date>=2015 & date<=2019),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion,linetype="MCO\n(Tendencia)"))+
labs(title="Mortalidad Infantil en Argentina entre 2015-2019",
subtitle = "Con ajuste de MCO",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)
# Hago el plot (me enfoco en 2015 en adelante)
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion,linetype="Tendencia"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
subtitle="Hay un problema, lo ven?",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)
# creo dummy
ev_data<-ev_data %>% mutate(is_2019=(date>=2019))
# ajusto modelo
modelo<-lm(mortalidad_infantil~date+is_2019,
data=subset(ev_data, date>=2015 & date<=2019))
# Cambio la prediccion en la data
ev_data$proyeccion2 <-predict(modelo,newdata = ev_data)
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(aes(y=proyeccion2,linetype="Tendencia\ncon corte en\n2019"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)
# elimino la tendencia en tramo anterior
ggplot(data=subset(ev_data,date>=2015),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(linetype="Datos"))+
geom_line(data=subset(ev_data,date>=2019),
aes(y=proyeccion2,linetype="Tendencia\ncon corte en\n2019"))+
geom_vline(xintercept = 2019)+
labs(title="Mortalidad Infantil en Argentina entre 2015-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
linetype=NULL,
y=NULL)
# calculo las diferencias en 2021
ev_data %>%
filter(date==2021) %>%
select(mortalidad_infantil, proyeccion2) %>%
mutate(diff=mortalidad_infantil-proyeccion2)
#5. Proyecciones a 2032
# creo dummy para ultimo ano
ev_data<-ev_data %>%
mutate(is_2021= (date>=2021))
# termino cuadratico en fecha para capturar desaceleracion
modelo_ii<-lm(mortalidad_infantil~date + I(date^2)+is_2021,
data=ev_data) # datos de 1990-2021
tidy(modelo_ii)
# creo nuevos datos sinteticos
nueva_data_20_32<-data.frame(
date=c(2000:2032)
) %>%
mutate(is_2021=(date>=2021))
# uso augment cols
nueva_data_20_32<-
augment_columns(modelo_ii,
newdata=nueva_data_20_32) %>%
select(date,is_2021,.fitted,.se.fit)
# visualizacion
ggplot(data=subset(ev_data,date>=2000),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(color="Observado"))+
geom_point(data=subset(nueva_data_20_32,date>=2021),
aes(y=.fitted))+
geom_line(data=subset(nueva_data_20_32,date>=2021),
aes(y=.fitted,color="Proyeccion"), linetype="dashed")+
geom_vline(xintercept = 2021)+
labs(title="Mortalidad Infantil en Argentina entre 2000-2021",
caption = "Elaboración propia en base a datos del Banco Mundial.",
colour=NULL,
y=NULL)
#6. Proyecciones con CI
ggplot(data=subset(ev_data,date>=2010),
aes(x=date,y=mortalidad_infantil))+
geom_point()+
geom_line(aes(color="Observado"))+
geom_pointrange(data=subset(nueva_data_20_32,date>=2021),
aes(group=date,
x=date,
y=.fitted,
ymin = (.fitted-.se.fit),
ymax = (.fitted+.se.fit)))+
geom_line(data=subset(nueva_data_20_32, date>=2021),
aes(y=.fitted,color="Proyeccion"), linetype="dashed")+
labs(title="Mortalidad Infantil en Argentina entre 2010-2032",
caption = "Elaboración propia en base a datos del Banco Mundial.",
colour=NULL,
y=NULL)